Muse Ember API
Muse Ember ist Metas kleinstes und effizientestes Modell der Muse-Familie für hochvolumige Agenten-Workflows mit 1 Million Token Kontext.
Muse Ember ist ein von Meta entwickeltes Modell, das am 9. November 2026 erschienen ist. Es ist das kleinste und effizienteste Modell der Muse-Familie und wurde als Executor in einer Planer-Executor-Architektur konzipiert: Meta beschreibt die Arbeitsteilung mit dem Satz „Muse Wonder plans, Muse Ember handles the volume.“ Das Modell nimmt Text, Bilder, Audio und Video als Eingabe entgegen und gibt Text aus. Der Kontext umfasst 1 Million Token, die maximale Ausgabelänge beträgt 512.000 Token.
Zu den Fähigkeiten zählen Computer Use, Bildverständnis, Tool Calling, strukturierte Ausgabe und Search Grounding. Muse Ember kann Datensätze abrufen, Werkzeuge in Sequenz aufrufen und Systeme über verschiedene Anwendungen hinweg aktualisieren. Damit eignet es sich für die Ausführung hochvolumiger Agenten-Workflows, Tool-Aufrufe, Coding-Teilaufgaben, Routing, Extraktion, das Parsen langer Dokumente sowie Chatbots in Kombination mit Retrieval-Augmented Generation und die Massenbereitstellung von KI-Funktionen.
Das Modell zeigt starke Leistungen bei klar umrissenen Aufgaben wie Analytik und Datenqualitätsprüfungen. Zu den Einschränkungen gehören ein Hang zu übermäßigem Tokenverbrauch bei offenen Fragen und Schwierigkeiten bei der Erkennung versteckter Muster. Die Gewichte sind nicht veröffentlicht, die Parameteranzahl nicht bekannt gegeben. Muse Ember ist über die Meta Model API und Muse Code mit der Modell-ID muse-ember-1.0 verfügbar.
Aktualisiert:
MODELL-ID
muse-ember- Kontext
- 1.049M
- Max. Ausgabe
- 943.718K
- Empfohlene API
- messages
- Eingabe
- text / image / video / file / audio
- Ausgabe
- text
Highlights
- Kleinstes und effizientestes Modell der Muse-Familie
- 1 Million Token Kontext
- Multimodale Eingabe: Text, Bild, Audio, Video
- Executor für hochvolumige Agenten-Aufgaben
- Günstigster Preis pro Token in der Familie
Anbieter
Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.
| Verfügbarkeit | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
Historische Daten sind keine Live-Statusprüfung. Fehlende Daten bedeuten keinen Ausfall.
Was man für $10 bekommt
- Eingabe
- 100 Mio. Token
- Ausgabe
- 20 Mio. Token
Geschätzt anhand der aktuellen Eingabe- und Ausgabepreise, vor Rabatten.
Benchmarks
- 36
Artificial Analysis Intelligence Index
Punkte
- 60.48
Vals Index
Prozent; Rang 13 von 36 Modellen
- 88
PlotlyDataAnalyticsBench
Prozent; 38 von 43 Fragen bestanden
Werte wie vom Modellanbieter veröffentlicht.
Schlussfolgern
- Standardaufwand
- max
- Immer aktiviert
- Ja
- Verfügbare Aufwandsstufen
- max / xhigh / high / medium / low / minimal
Schnellstart
Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.
API-Schlüssel hinterlegen
Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.
export FELO_API_KEY="YOUR_API_KEY"Erste Anfrage senden
Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.
muse-emberDieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Drittanbieter-SDKs verwenden
Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.
Streaming aktivieren
Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.
Messages
Anthropic-kompatible Nachrichten für Clients im Claude-Stil.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringmuse-emberÖffentliche Modell-ID, die aufgerufen wird.max_tokensinteger—Maximale Anzahl generierter Tokens.messagesarray—Gesprächsnachrichten für Chat Completions.toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.top_k———top_p———reasoning———temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———Häufige Fragen
Was ist Muse Ember?
Muse Ember ist ein von Meta entwickeltes Modell, das am 9. November 2026 erschienen ist. Es ist das kleinste und effizienteste Modell der Muse-Familie und wurde als Executor in einer Planer-Executor-Architektur konzipiert: Meta beschreibt die Arbeitsteilung mit dem Satz „Muse Wonder plans, Muse Ember handles the volume.“ Das Modell nimmt Text, Bilder, Audio und Video als Eingabe entgegen und gibt Text aus. Der Kontext umfasst 1 Million Token, die maximale Ausgabelänge beträgt 512.000 Token. Zu den Fähigkeiten zählen Computer Use, Bildverständnis, Tool Calling, strukturierte Ausgabe und Search Grounding. Muse Ember kann Datensätze abrufen, Werkzeuge in Sequenz aufrufen und Systeme über verschiedene Anwendungen hinweg aktualisieren. Damit eignet es sich für die Ausführung hochvolumiger Agenten-Workflows, Tool-Aufrufe, Coding-Teilaufgaben, Routing, Extraktion, das Parsen langer Dokumente sowie Chatbots in Kombination mit Retrieval-Augmented Generation und die Massenbereitstellung von KI-Funktionen. Das Modell zeigt starke Leistungen bei klar umrissenen Aufgaben wie Analytik und Datenqualitätsprüfungen. Zu den Einschränkungen gehören ein Hang zu übermäßigem Tokenverbrauch bei offenen Fragen und Schwierigkeiten bei der Erkennung versteckter Muster. Die Gewichte sind nicht veröffentlicht, die Parameteranzahl nicht bekannt gegeben. Muse Ember ist über die Meta Model API und Muse Code mit der Modell-ID muse-ember-1.0 verfügbar.
Wie wird die Nutzung abgerechnet?
Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.
Welche Eingaben unterstützt Muse Ember?
Das Modell akzeptiert Text-, Bild-, Audio- und Videoeingaben und gibt Text aus.
Wie groß sind Kontextfenster und Ausgabelänge?
Der Kontext umfasst 1 Million Token, die maximale Ausgabelänge beträgt 512.000 Token.
Für welche Aufgaben ist Muse Ember geeignet?
Es eignet sich für hochvolumige Agenten-Workflows, Tool-Aufrufe, Coding-Teilaufgaben, Routing, Extraktion, das Parsen langer Dokumente und Chatbots mit Retrieval-Augmented Generation.
Wie unterscheidet sich Muse Ember von Muse Wonder?
Muse Ember ist der Executor in einer Planer-Executor-Architektur: Muse Wonder plant, Muse Ember übernimmt das Volumen.
Wo ist Muse Ember verfügbar?
Über die Meta Model API und Muse Code, mit der Modell-ID muse-ember-1.0.
Verwandte Modelle
Muse Wonder
Metamuse-wonderMeta stellt Muse Wonder vor, ein agentisches Modell mit 1.048.576 Tokens Kontext für Coding und mehrstufige Aufgaben.
Kontext
1.049M
Max. Ausgabe
943.718K
Eingabe-Token
$4 / 1M Token
Ausgabe-Token
$20 / 1M Token
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMuse Spark 1.3 Contributor ist eine rabattierte Variante des Reasoning-Modells von Meta für agentische und Coding-Aufgaben mit sehr langem Kontext.
Kontext
1.049M
Max. Ausgabe
943.718K
Eingabe-Token
$0.1 / 1M Token
Ausgabe-Token
$0.2 / 1M Token